آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب

در این بخش سورس کد آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب قرار داده شده است. شبکه‌های عصبی Artificial neural network از تعداد زیادی عنصر پردازشی فوق‌العاده به‌هم‌پیوسته به نام نرون تشکیل‌شده که برای حل یک مسئله با یکدیگر به‌صورت هماهنگ عمل می‌کند. شبکه عصبی یک الگوریتم نیست بلکه یک چارچوب برای بسیاری از الگوریتم‌های مختلف از جمله یادگیری ماشین برای همکاری و پردازش اطلاعات پیچیده است.

برای افزایش دقت یادگیری در شبکه های عصبی می توان این شبکه را با الگوریتم های فرا ابتکاری یا تکاملی ترکیب کرد یعنی برای وزن دهی لایه‌های مختلف موجود که ارتباط آن‌ها با یال‌هایی است می‌توان مقادیر وزن‌ها یا یال‌ها را با الگوریتم های فرا ابتکاری تعیین کرد. یکی از مهم‌ترین الگوریتم‎ها، الگوریتم کلونی مورچگان یا الگوریتم مورچه ACO می‌باشد. که در این بخش سورس کد آماده آن در متلب برای یک دیتاست ساده (دیتاست سرطان سینه) نوشته شده است.

شبکه عصبی مصنوعی

شبکه‌های عصبی ANN از تعداد زیادی عنصر پردازشی فوق‌العاده به‌هم‌پیوسته به نام نرون تشکیل‌شده که برای حل یک مسئله با یکدیگر به‌صورت هماهنگ عمل می‌کند. دسته‌بندی شبکه‌های عصبی شبکه‌ای از لایه‌هاست، معمولاً لایه‌ای که اطلاعات ورودی به آن‌ها داده می‌شود تحت عنوان لایه‌ی ورودی و لایه‌ای که داده‌های خروجی از آن دریافت می‌شود تحت عنوان لایه‌ی خروجی نامیده می‌شود و به لایه‌های دیگر بین این دولایه (در صورت وجود) لایه‌های پنهان گفته می‌شود.

جهت حرکت‌ها سیگنال‌ها همواره از سمت لایه‌ی ورودی به‌سوی لایه‌ی خروجی است برای دسته‌بندی یک نمونه تستی، وزن کلمه‌ها برای واحدهای ورودی تعیین می‌شود و فعال کردن این واحدها از طریق لایه‌های مختلف روبه‌جلو در شبکه انجام می‌شود و مقدار واحد خروجی به‌عنوان یک نتیجه در تصمیم‌گیری دسته‌ها تعیین می‌شود. شبکه های عصبی مصنوعی، سیستم‌های محاسباتی هستند که توسط شبکه‌های عصبی زیستی الهام گرفته شده‌اند که مغز حیوانات را تشکیل می‌دهند.

منظور از يادگيری در شبکه‌های عصبی، تنظيم وزن‌ها و باياس‌های شبكه می‌باشد. بر اين اساس الگوريتم‌های متفاوتی‌ بيان شده، كه معمول‌ترين آن‌ها یادگيری هب، دلتا، يادگيری رقابتی و … می‌باشد.

آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب

همانطور که قبلاً هم اشاره شد برای تعیین وزن یال‌ها و بایاس‌ها در شبکه های عصبی می‌توان از الگوریتم های فرا ابتکاری استفاده کرد. از این رو در این سورس کد تعیین وزن بایاس‌ها و یال‌ها با استفاده از الگوریتم کلونی مورچه پیوسته ACO انجام پذیرفته است. برای تعیین میزان عملکرد برنامه ذکر شده از دیتاست سرطان سینه استفاده شده است که در ادامه این دیتاست تشریح شده است.

دیتاست مورد استفاده در سورس کد آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب

به عنوان یک نمونه دیتاست مورداستفاده مجموعه داده بیماران سرطان سینه موجود در مخزن داده‌ی یادگیری ماشین دانشگاه ارواین، ایالت کالیفرنیا آمریکا (University of California at Irvine) است مثال زده می‌شود.

در این دیتاست ویژگی‌ها شامل ریسک فاکتورهای ضخامت انبوه، یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه‌ها، حجم سلول بافت اپیتلیال، هسته‌های عریان، کروماتین بلاند، هسته عادی و تقسیم هسته سلول به دو قسمت می‌باشد که در ایالت ویسکانسین ایالات‌متحده جمع‌آوری‌شده است. جدول زیر نشان‌دهنده این مجموعه از داده است.

[table id=35 /]

قسمت هایی از سورس کد در متلب

%% Start of Program
clc
clear
close all
warning off;

N=40;
max_it=100;
Vmax=0.5;
Vmin=-0.5;


%% Input Output Data
load IOdata

Data = IOdata;
X = Data(:,1:end-1);
Y = Data(:,end);
XN = X;
YN = Y;


%% Normalization

%
MinX = min(X); MaxX = max(max(abs(X)));
MinY = min(Y); MaxY = max(max(Y));
% %
XN=XN/MaxX;
YN=floor(YN/MaxY);

%% Test and Train Data
NumOfInputs = size(X,2);
NumOfOutputs = size(Y,2);
NumOfData = size(X,1);
NumOfHiddens=2*NumOfInputs+1;


TrPercent = 70;
DataNum = size(X,1);
TrNum = round(TrPercent * DataNum/100);
R = randperm(DataNum);
TrInx = R(1:TrNum);
TsInx = R(TrNum+1:end);

Xtr = XN(TrInx,:);
Ytr = YN(TrInx,:);

Xts = XN(TsInx,:);
Yts = YN(TsInx,:);


%% Network Training

[NetworkP ,BestCostP, BestChartP] = TrainUsingACO_Fcn(Xtr,Ytr,N,max_it,NumOfInputs,NumOfHiddens ,NumOfOutputs, Vmax, Vmin);

%% sim and mse


YtrNetP = sim(NetworkP,Xtr')';
YtsNetP = sim(NetworkP,Xts')';


MSEtrP = mse(Ytr-YtrNetP)
MSEtsP = mse(Yts-YtsNetP)

[c,cm,ind,per] = confusion(Yts',YtsNetP');
figure
plotconfusion(Yts',YtsNetP');

figure
plotroc(Yts',YtsNetP');

figure
grid on;
plot(BestChartP,'r','LineWidth',2);
title('Train MSE');

تصاویر خروجی در سورس کد آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب

درباره سورس کد آموزش شبکه عصبی با الگوریتم مورچه

سورس کد آموزش شبکه عصبی با الگوریتم مورچه ACO در متلب عنوان اثری است که در این پست به آن پرداخته شده است. این اثر در نرم افزار متلب نوشته شده و برای تعیین مقادیر وزنی یال‌ها و بایاس‌ها شبکه عصبی با الگوریتم مورچه می‌باشد. این سورس کد بصورت کامل توسط گروه پشتیبانی پی استور تست و اجرا شده است. اثر مذکور دارای نشان تضمین کیفیت پی استور می‌باشد. برای دانلود اثر آن را خریداری کنید.